托比网消息，在日前找钢网举办的《第二届贸易企业AI应用论坛》上，凯茵化工CEO李俊威公开表示，未来的B2B交易会发生根本性的变化，会从“人和人之间的撮合”，走向“数据和AI之间的匹配”。
在李俊威看来，交易是否成功，过去靠人脉与信息差。未来当产品、参数、价格、库存全部在线，AI又足够懂行业时，匹配效率会极高，“到那时，平台将不再是卖货的中间商，而是供应链基础设施，从自营走向开放，让整个行业的交易都在上面高效地发生。”
化工是一门很 “土” 的生意，其实就是把化工添加剂从上游工厂卖给下游的涂料厂、塑料厂、胶粘剂厂，但它是中国最大的工业行业之一，体量庞大，典型“大而散”，一个细分领域就有上百万种产品，型号、参数、规格，SKU极度碎片化，价格、库存、技术参数都不透明，上下游之间就靠中间人、关系、信息差做生意，灰色寻租普遍。交易链条又长又重，客户要货，询价、报价、比价、谈判、下单、履约，每一步都靠人，靠打电话、靠翻表格。一个订单跑下来动辄几个月。而且客户缺能力，他们只懂自己的产品，不懂原料选型、配方，没有研发团队，需要专业的技术支持，但市场没人能标准化地提供。出海也非常难，好东西卖不出去。简单说就是一个大市场、低效率、强信息差的行业。
李俊威表示：“我干了二十多年，太清楚这里面的痛。我一直相信，越是信息不透明、效率低下的行业，越是有被数字化和 AI 重做的机会。”
凯茵是怎么做的呢？
在线化 ：把海量的产品、技术参数、价格、库存做成标准化、可检索的线上数据，让交易留痕、让信息可溯，以替代灰色寻租。就是所谓的阳光采购。
智能化 ：用 AI 去做那些重复、费时、吃人的活，比如智能报价、智能选型，甚至“反推配方”，客户提要求，AI 就能反推他需要哪些助剂。
数据化 ：把积攒多年的产品数据、配方知识、交易经验喂给 AI，让它越来越懂化工，成为越用越聪明的飞轮。
会议上，李俊威重点谈及自己作为创始人，对AI的三次认知转变。
第一次：从用AI，到让AI创造价值
很多公司提 AI，经常是用了多少模型，接了多少 API，上了多少 Agent，但这就是把AI当成了技术玩具，而不是生意工具。“后来我做了一个转变，不再问AI能做什么，而是反问‘我们生意里，最贵、最重复、最吃人的地方在哪里’，一下就把方向理清了。”
化工最吃人的是海量、重复的询价和报价，这也是 AI 最能创造价值的地方。不能把 AI 撒在业务的每一个角落，而是把它集中压在最能创造价值的那个支点上。“如果一个 AI 应用，说不清它到底省了多少人、赚了多少钱，那它大概率还不是一个生意，只是一个演示。”李俊威表示。
第二次：从AI 替代人，到AI 放大人的经验
AI 既然聪明，能不能把重复的活全干了，把人省下来？这件事没那么简单，化工最值钱的东西不在数据和流程里，而在老师傅们的脑子里。客户为什么换供应商，配方差那么一点意味着什么，一笔账期该不该给，这些判断，AI 短期学不会。
于是改思路，不是让AI替代人，而是让AI站在人旁边，把人最擅长的经验放大。比如让AI去干重复的、费时的事，查库存、算价格、起草报价，关键部分还是留给业务员：理解客户真实需求，维护客户信任。这样，业务员不会被替代，反而更值钱，他原来大部分时间在当报价员，现在更像顾问，有时间去做真正高价值的事。
“所以，AI 在传统行业落地的真正难点从来不是技术，而是怎么处理和‘人’的关系。如果把人看成要被替代的成本，你会四处碰壁；把人看成要被放大的资产，路就一下子宽了。”李俊威表示。
第三次：从买AI能力，到建数据飞轮
凯茵开始走的是最省事的路，接现成的大模型，但很快发现：通用大模型聪明但不懂化工，它不知道客户说“我要做水性、快干、性价比高的涂层”，背后对应的是哪几种助剂，也不知道哪个参数是真正要命的。
李俊威此时才明白：真正拉开大模型差距的，是你能不能喂给它别人喂不了的东西。
凯茵拥有行业级的数据和知识，几十万条标准化的产品数据、几十万条配方知识、无数笔交易和报价记录，喂给AI，一点点变成AI能理解和调用的东西。
“这件事很难很慢，不性感。但正因如此，别人抄不走，是真正的壁垒。”李俊威表示，“大模型时代的护城河不在模型，在数据，在于你拥有什么，能持续产生什么。这会形成一个飞轮，AI 用得越多，真实业务数据就越多；数据越多，AI 越懂这个行业；AI 越懂，效率就越高、服务越好；服务越好，用得就越多。”
李俊威非常看好化工品的出海，全世界都需要中国的化工添加剂。“如果有一套数字化的供应链平台，把中国的供应能力和海外的需求高效地对接起来，这件事完全可能打开。凯茵未来的想象空间就是把中国化工的供应链能力，通过数字化和AI，输出到全球。 ”
